论文部分内容阅读
在机械故障诊断过程中,信号的测取和处理是首要步骤。采用怎样的信号处理方法并从中提取和表达能够反映故障类型的特征信息是故障诊断的关键性问题,直接影响到故障诊断的有效性和可靠性。根据建立机械故障智能诊断系统的目标,本文应用小波分析技术作为信号处理和特征提取的基本方法,对小波分析的信号降噪和特征提取的功能与方法及其有效性做了分析研究,进行了相应的计算机编程,在方法和程序上基本达到了与粗集-神经网络智能故障诊断系统的整体衔接。最后用转子试验台上若干简单的模拟故障,对诊断系统做了验证。论文的主要工作和成果包括:(1)研究了机械故障诊断的基础理论,对这一领域最近几年的研究成果进行了充分的调研,了解了各种诊断方法的原理和应用,认识到信号故障特征提取的重要性,发现了在工程实践中大多都是使用傅里叶分析对信号作处理,缺少更为有效地提取故障特征的实用软件。针对这一情况,本文致力于研究特征参数提取的更为有效的方法,并将这种方法程序化。(2)通过对一些常用小波函数的性质、小波分析应用中相关参数的选取、小波降噪和特征提取的原理的分析和理解,结合一些仿真实例的验证,基本建立了小波分析技术在故障诊断中信号处理、特征提取和表达的方法,这一方法基本符合粗集-神经网络混合智能故障诊断系统的整体构架要求,提出了小波的自动降噪和特征提取的编程思想。(3)利用Visual Basic良好的界面功能和Matlab强大的计算能力,使用Visual Basic和Matlab混合编程方式,编写了基于小波分析的信号处理和故障特征提取的计算机程序,并在丰富了相关功能的基础上,与粗集-神经网络混合智能故障诊断系统组成一个有机的整体,形成了完整的智能故障诊断系统。(4)在实验室转子试验台上,模拟了正常、不对中、不平衡和碰摩状态的故障,用小波分析对这些信号做降噪处理和特征提取,并对信号的频谱和小波系数的特点、能量特征向量等作了分析和评述。用本文编写的特征提取程序对信号进行处理,提取了多组特征向量,并用这些特征参数验证了粗集-神经网络混合智能故障诊断系统的可靠性。